Kuliah

Oleh Ir. Rahayu Astuti, M.Kes

UKURAN GEJALA PUSAT (TENDENCY CENTRAL)

DAN DISPERSI/ VARIABILITAS DATA

Ukuran gejala terpusat adalah :

Nilai spesifik yang merupakan ukuran dimana data itu terkonsentrasi
(terpusat) pada suatu nilai. Nilai konsentrasi ini sudah dapat memberi gambaran salah
satu sifat dari data yang diamati (secara deskriptif).
Ukuran gejala terpusat yang lazim digunakan yaitu:
1. Mean = rata-rata hitung = arithmetic mean
2. Median = nilai tengah
3. Modus

1. MEAN (X ) = rata-rata hitung

* Data yang mempunyai nilai x adalah data dengan skala rasio/interval
* Merupakan nilai yang baik mewakili suatu data
* Nilai ini sangat sering dipakai dan malah yang paling banyak dikenal dalam
menyimpulkan sekelompok data
* Sifat dari mean:
1. Merupakan wakil dari keseluruhan nilai
2. Mean sangat dipengaruhi nilai ekstrim kecil maupun besar
3. Nilai mean berasal dari semua nilai pengamatan
* Keuntungan penggunaan mean:
- Nilai rata-rata hitung mempertimbangkan semua nilai pengamatan
* Simbul rata-rata untuk sampel adalah x
Simbul rata-rata untuk populasi adalah 

x1 + x2 + ……. xn  Xi
x =  atau x = 
n n

Keterangan : i : 1,2,3,. . . .n
X : rata-rata hitung
 Xi : hasil penjumlahan nilai pengamatan
n : jumlah pengamatan

R Astuti 1
Contoh:
Nilai ujian 5 mahasiswa adalah: 70, 69, 45, 80 dan 56
Maka nilai mean rata-rata hitungnya adalah:

70 + 69 + 45 + 80 + 56
x =  = 64
5

2. MEDIAN (Me)
Median adalah nilai yang terletak pada observasi yang ditengah, kalau data tersebut
telah disusun. Atau dengan kata lain median adalah nilai yang membagi data menjadi
dua sama besar (50% nilai kecil dan 50% nilai besar). Jadi Me adalah nilai yang
letaknya ada di tengah-tengah data setelah data diarray (diurutkan) dari nilai kecil ke
nilai besar atau sebaliknya.
 Data yang mempunyai nilai Me adalah data berskala rasio/interval.
 Keuntungan penggunaan Me: Nilai median lebih stabil karena tidak
dipengaruhi nilai pengamatan yang ekstrim.
 Kerugian menggunakan median dibandingkan mean adalah: Me tidak
mempertimbangkan nilai-nilai sebagian besar pengamatan, sehingga secara
umum kurang efisien dibandingkan dengan nilai mean
Contoh:
* Jika banyaknya data adalah n dan n ganjil maka nilai median adalah nilai
pengamatan ke (n + 1) /2
Contoh:
Data : 2, 3, 3, 4, 6
Nilai Me adalah nilai yang terletak pada urutan ke (5 + 1) / 2 = 3
Yaitu jatuh pada nilai 3

* Jika n genap, maka nilai median adalah nilai pengamatan yang ke n / 2

Contoh:
Data : 2, 3, 3, 4, 6, 7 (n=6)
Nilai Me adalah nilai yang terletak antara urutan ke 3 dan 4
Yaitu : ( 3 + 4 ) / 2 = 3,5

R Astuti 2
3. MODUS (Mo)
 Modus merupakan suatu nilai yang mempunyai frekuensi terbanyak
 Data yang mempunyai nilai modus adalah data dengan skala rasio/interval,
ordinal dan nominal
 Sifat modus: Tidak terpengaruh oleh nilai ekstrim besar atau kecil
 Pada data dengan skala nominal/ ordinal bisa langsung dibaca nilai data yang
mempunyai frekuensi tertinggi.
Contoh:
Terdapat data: 12, 34, 14, 34, 28, 34, 34, 28, 14
Frekuensi terbanyak adalah : 4
Terjadi pada data bernilai 34 maka Mo = 34

Xi fi
12 1
14 2
28 2
34 4

 Data dapat tidak mempunyai modus, bila tidak ada nilai-nilai yang sama di
dalam kumpulan data tersebut
 Sekumpulan data bisa mempunyai lebih dari satu modus
Jika mempunyai satu modus  unimodal
Jika mempunyai dua modus  bimodal
Jika mempunyai tiga modus  trimodal

Jika nilai mean = median = modus  kurvanya akan simetris

x= Me = Mo
Kurva simetris

R Astuti 3
 Mo Me x x Me Mo

x > Me > Mo x < Me < Mo

Kurva menceng ke Kurva menceng ke kiri
Kurva positif Kurva negatif

NILAI PENYEBARAN (DISPERSI/VARIABILITAS)

Nilai penyebaran disebut juga ukuran variabilitas atau ukuran dispersi yaitu:
Suatu ukuran untuk mengetahui sejauh mana data yang ada itu menyebar.

Jenis-jenis nilai penyebaran:

1. Range
2. Mean deviasi = rata-rata simpangan
3. Standard deviasi
4. Varians
5. Koefisien variasi

1. RANGE
 Range atau rentang adalah nilai yang menunjukkan perbedaan nilai
pengamatan yang paling besar dengan nilai yang paling kecil.
 Kelemahan: Tidak dapat mengetahui bagaimana variasi nilai-nilai di dalam
data itu (tanpa memperhitungkan seluruh nilai-nilai), lebih-lebih kalau nilai-
nilai diujung data itu angka-angkanya ekstrim.
Contoh:
Data 1 : 0, 8, 8, 9, 9, 25  range = 25 – 0 = 25
Data 2 : 0, 5, 10, 15, 20, 25  range = 25 – 0 = 25

R Astuti 4
2. MEAN DEVIASI = RATA-RATA DEVIASI
 Mean deviasi adalah penyimpangan nilai-nilai data terhadap nilai mean nya
 Atau rata-rata dari seluruh perbedaan pengamatan dibagi banyaknya
pengamatan, dan untuk ini digunakan nilai mutlak.
 Nilai ini jarang digunakan
 Nilai ini lebih cermat dari nilai range

 xi x 
Md = 
n

Keterangan:
  xi x  : jarak antara xi dan x
n : banyaknya pengamatan
x : mean / rata-rata hitung
Contoh :
Data : 80,70,100,110 maka mean (x ) = (80 + 70 + 100 + 110) / 5 = 90
xi ( xi x ) xi x  ( xi x )2
80  10 10 100
70  20 20 400
100 10 10 100
110 20 20 400
Jumlah 60 1000

n=4
xi x  = 60

 xi x  60
Mean deviasi =  =  = 15
n 4

2. VARIANS
 Varians adalah variasi nilai-nilai individual dibandingkan dengan nilai mean
 Simbul varians :
Untuk sampel  s2
Untuk populasi  2

∑ ( xi - x )2
Varians ( s2 ) = 
n–1

R Astuti 5
 Contoh :
Data : 80,70,100,110 maka mean (x ) = (80 + 70 + 100 + 110) / 5 = 90

∑ ( xi - x )2 1000
Varians ( s2 ) =  =  = 333,33
n–1 4–1

3. STANDARD DEVIASI ( SD) = SIMPANGAN BAKU

 Nilai ini paling banyak dipakai
 Nilai mean dan SD bersama-sama dapat memberi gambaran yang spesifik dari
sifat-sifat data, dengan skala interval/rasio.
 Simbul simpangan baku:
Untuk sampel  s
Untuk populasi  
 Simpangan baku yang dihitung berdasarkan sampel ( s ) untuk memperkirakan
simpangan baku populasi (  ) disebut simpangan baku taksiran.
Dalam hal ini n digambarkan dengan n – 1.
Standard deviasi ( SD ) merupakan akar varians :
SD = √ varians = √ (s2)

Nilai standar deviasi ini disebut juga sebagai “simpangan baku” karena merupakan
patokan luas area dibawah kurva normal.
Penggunaan standard deviasi untuk menilai dispersi rata-rata dari sampel.
Pada tingkat kepercayaan 68 % nilai terdistribusi pada : mean  1 SD
Pada tingkat kepercayaan 95 % nilai terdistribusi pada : mean  2 SD
Pada tingkat kepercayaan 99 % nilai terdistribusi pada : mean  3 SD

4. Koefisien Variasi (Coeficient of variation= COV)

Koefisien variasi/ koefisien keragaman adalah ukuran keragaman untuk melihat
perbedaan besar keragaman antara dua ukuran yang mempunyai skala berbeda.
s
KV =   100%
x

R Astuti 6
Keterangan : s = standard deviasi
x = rata-rata hitung (mean)

Contoh:
Rata-rata TB mahasiswa AKPER = 160 cm dan s = 5,5 cm
Rata-rata TB mahasiswa AKZI = 157 cm dan s = 4,8 cm
Maka :
KV ( TB mahasiswa AKPER ) = ( 5,5/ 160)  100% = 3,44%
KV ( TB mahasiswa AKZI ) = ( 4,8/ 157)  100% = 3,06%
TB mahasiswa AKZI relatif lebih uniform
TB mahasiswa AKPER lebih bervariasi (data TB nya lebih menyebar)

NILAI LETAK (POSISI)

Nilai median adalah nilai pengamatan pada posisi paling ditengah kalau data itu
disusun (diarray). Nilai-nilai posisi lainnya adalah:

1. KUARTIL
Sekumpulan data dibagi menjadi 4 bagian yang sama banyak, sesudah disusun
menurut urutan nilainya.
Kuartil dibedakan menjadi 3:
1. Kuartil pertama (K1)
2. Kuartil kedua (K2)
3. Kuartil ketiga (K3)
Cara menentukan nilai kuartil:
1. Susun data menurut urutan nilainya
2. Tentukan letak kuartil
3. Tentukan nilai kuartil
Letak kuartil ke i diberi lambang Ki

Rumus : i (n + 1 )
letak Ki = data ke 
4

dengan I = 1, 2, 3

Ki = ¼ (n + 1)

R Astuti 7
 Contoh :
Data : 2, 3, 5, 7, 7, 9, 12, 13, 15, 20 maka n = 10
Letak K1 = ¼ (10 + 1) = 2 ¾  Jadi K1 = 3 + [ ¾  ( 5 – 3 ) ] = 4 ½

Letak K2 = ½ (10 + 1) = 5 ½  Jadi K1 = 7 + [ ½  ( 9 – 7 ) ] = 8

2. DESIL
Sekumpulan data dibagi menjadi 10 bagian yang sama. Dibedakan Desil pertama
sampai demgan desil ke sembilan ( D1, . . . . .D9 )
Cara menentukan desil:
1. Susun data menurut urutan nilainya
2. Tentukan letak desil
3. Tentukan nilai desil
Letak desil ke i , lambang Di
i (n + 1 )
Letak Di = data ke 
10
i = 1, 2, . . . . . 10

Contoh :
Data : 5, 10, 15, 15, 20, 25, 30 , maka n = 7
Letak D3 = 3/10 ( 7 + 1) = 2,4  Jadi D3 = 10 + [ 0,4  ( 15 – 10 ) ] = 10,2
Letak D5 = 5/10 ( 7 + 1) = 4  Jadi D5 = 15

3. PERSENTIL
Sekumpulan data dibagi menjadi 100 bagian yang sama yang akan menghasilkan
99 pembagi berturut-turut P1, P2, . . . . .P99 )
Cara menentukan desil:
1. Susun data menurut urutan nilainya
2. Tentukan letak persentil
3. Tentukan nilai persentil

R Astuti 8
 Letak persentil ke i , lambang Pi

i (n + 1 )
Letak Pi = data ke 
100
i = 1,2,3, . . . .99

Contoh :
Data : 5, 10, 15, 15, 20, 25, 30 , maka n = 7
Letak P30 = 30/100 ( 7 + 1) = 2,4  Jadi P30 = 10 + [ 0,4  ( 15 – 10 ) ] = 10,2
Letak P50 = 50/100 ( 7 + 1) = 4  Jadi P50 = 15

LATIHAN :

1. Ambil sample secara acak 20 mahasiswa di kelas anda kemudian catatlah data
berat-badannya. Kemudian hitunglah :
a). Mean (rata-rata hitungnya), median dan modus
b). Standard deviasinya, varians dan koefisien variasi
c). Hitung pula : - Kuartil ( K1 dan K3 )
- Desil ( D4 dan D8 )
- Persentil ( P30 dan P70 )

2..
100

75
55
50
25

25 10 20 30 40 50 60 70
Dari grafik disamping ini cari :
a. Mediannya
b. P40
c. D2
d. Nilai Q3

3. Hasil penimbangan berat badan anak sekolah pada kelas A dan kelas B adalah :
Berat badan anak kelas A Berat badan anak kelas B
20 21
25 22
18 24
27 23
Berat badan anak kelas manakah yang distribusinya lebih baik (seragam) ?

R Astuti 9